我想知道，如果有一种方法在WEKA输出数量的“最佳猜测”的分类。
我的情况是：我对数据进行分类有交叉验证的情况下，然后在WEKA的输出我得到的是这样的：这是最好的3-猜测此实例的分类。 我要的是什么样子，即使一个实例没有被正确分类我得到的3或5的最佳猜测该实例的输出。
例：
类：A，B，C，d，E实例：1 ... 10
和输出将是：实例1很可能90％为A级，75％可能是B类，60％喜欢被C类..
谢谢。
Answer 1:
Weka中的API有一个名为Classifier.distributionForInstance（）的方法THA可以用来得到分类预测分布。 然后，您可以通过降低概率，让您的前N个排序的预测分布。
下面是打印出一个功能：（1）测试实例的地面实况标签; （2）从classifyInstance预测标签（）; 和（3）从distributionForInstance预测分布（）。 我曾与J48用这个，但它应该与其他的分类工作。
输入参数是序列化的模型文件（你可以在模型训练阶段创建和应用-d选项），并在ARFF格式的测试文件。
public void test(String modelFileSerialized, String testFileARFF)
throws Exception
{
// Deserialize the classifier.
Classifier classifier =
(Classifier) weka.core.SerializationHelper.read(
modelFileSerialized);
// Load the test instances.
Instances testInstances = DataSource.read(testFileARFF);
// Mark the last attribute in each instance as the true class.
testInstances.setClassIndex(testInstances.numAttributes()-1);
int numTestInstances = testInstances.numInstances();
System.out.printf("There are %d test instances\n", numTestInstances);
// Loop over each test instance.
for (int i = 0; i < numTestInstances; i++)
{
// Get the true class label from the instance's own classIndex.
String trueClassLabel =
testInstances.instance(i).toString(testInstances.classIndex());
// Make the prediction here.
double predictionIndex =
classifier.classifyInstance(testInstances.instance(i));
// Get the predicted class label from the predictionIndex.
String predictedClassLabel =
testInstances.classAttribute().value((int) predictionIndex);
// Get the prediction probability distribution.
double[] predictionDistribution =
classifier.distributionForInstance(testInstances.instance(i));
// Print out the true label, predicted label, and the distribution.
System.out.printf("%5d: true=%-10s, predicted=%-10s, distribution=",
i, trueClassLabel, predictedClassLabel);
// Loop over all the prediction labels in the distribution.
for (int predictionDistributionIndex = 0;
predictionDistributionIndex < predictionDistribution.length;
predictionDistributionIndex++)
{
// Get this distribution index's class label.
String predictionDistributionIndexAsClassLabel =
testInstances.classAttribute().value(
predictionDistributionIndex);
// Get the probability.
double predictionProbability =
predictionDistribution[predictionDistributionIndex];
System.out.printf("[%10s : %6.3f]",
predictionDistributionIndexAsClassLabel,
predictionProbability );
}
o.printf("\n");
}
}
Answer 2:
我不知道你是否能本身做，但你可以得到的概率为每个类，分类，并采取了前三。
你想要的功能是distributionForInstance(Instance instance)返回一个double[]为每个类给出的概率。
Answer 3:
不一般。 你想要的信息并不适用于所有分类 - 在大多数情况下（如决策树），该决定是明确的（尽管可能不正确的），而不置信值。 你的任务需要分类，可以处理不确定性（如朴素贝叶斯分类器）。
技术上最容易做的事情可能是训练模型，然后进行分类的单个实例，为此Weka的应该给你所需的输出。 一般来说，你当然也可以做到这一点的套情况下，但我不认为Weka中提供此开箱。 你可能会需要自定义代码或（在读例如）使用它通过一个API。
Answer 4:
当你计算实例的概率，到底你是怎么做到这一点？
我已经张贴了我的部分规则和数据的新实例这里 ，但据计算人工，我不是很确定如何做到这一点！ 谢谢
编辑：现在计算：
私人浮子[] getProbDist（字符串分割）{
//在一些花费，如（52/2），这意味着52个实例正确分类和2不正确地分类。
if(prob_dis.length > 2)
return null;
if(prob_dis.length == 1){
String temp = prob_dis[0];
prob_dis = new String[2];
prob_dis[0] = "1";
prob_dis[1] = temp;
}
float p1 = new Float(prob_dis[0]);
float p2 = new Float(prob_dis[1]);
// assumes two tags
float[] tag_prob = new float[2];
tag_prob[1] = 1 - tag_prob[1];
tag_prob[0] = (float)p2/p1;
// returns double[] as being the probabilities
return tag_prob;
}
文章来源: WEKA classification likelihood of the classes
